星評価（Star Rating）

星評価の数値は顧客が付けた点数を平均して求めます。たとえば5、4、5、3というレビューが付いた商品の平均は4.25となり、表示の際は最も近い0.5刻みに丸めるのが一般的です。多くの意見を一つの数値に圧縮するため、その背後にあるレビュー件数は数値そのものと同じくらい重要です。200件のレビューでの4.6は、2件での5.0よりはるかに大きな意味を持ちます。レビュー件数を示さずに評価だけを出すと、その判断がどれだけ定まったものかを見極めるために買い手が必要とする文脈を、ちょうど隠してしまうことになります。

分布は平均と同じくらい重要です。2つの商品がどちらも4.3でありながら、まったく異なる事情を抱えていることがあります。一方は点数が4と5の周辺に密集し、もう一方は絶賛の5と不満の1に二分されている、という具合です。後者のパターンは、サイズ感、色味の正確さ、配送といった、適合や期待のずれにまつわる問題を示していることが多く、平均という一つの数値ではそれが覆い隠されてしまいます。だからこそ、見出しの数値の隣に、星の段階別の内訳を見えるようにしておく価値があります。

例として、メリノウールのベースレイヤーを86件のレビューで4.4の評価で販売しているShopifyストアを考えてみます。星1つと星2つのレビューを読むと、ある傾向が浮かび上がります。この衣類は小さめに作られている、というものです。運営者はサイズガイドを更新し、商品説明に注記を加え、新しい購入者にはレビューでサイズ感に触れてもらうよう依頼します。その後の数週間で、想定外の思いをする買い手が減るため、平均は4.7へと上がっていき、評価はより高くなると同時により正直なものになります。星の数値は目的ではなく、修正できる問題を表面化させるための道具だったのです。

すべてが星5つの完璧な平均は、信頼度が高いどころか、かえって低く受け取られることがあります。買い手は、傷一つない評価がレビュー件数の不足、選別されたフィードバック、あるいは見返りを伴う評価を示していることが多いと学んでいます。そのため、批判的なレビューも見える形で残した4.5から4.8の幅のほうが、手つかずの5.0よりもコンバージョンにつながりやすいのが通常です。分布における正直さも、信号の一部です。

検索エンジンとAI回答エンジンにとって、星評価が意味を持つのは、それがページ上に塗りつぶされた図形として描かれているだけでなく、構造化データとして表現されている場合に限られます。AggregateRatingスキーマで平均値とレビュー件数をマークアップすることが、検索結果にリッチスニペットとして星を表示させる条件であり、また、ChatGPT、Perplexity、Google AI OverviewsのようなAI回答エンジンがあなたの評価を読み取り、どの商品が最もレビュー評価が高いかと買い手が尋ねたときにそれを伝えられるようにする仕組みでもあります。モデルは5つのオレンジ色のアイコンを確実に解釈することはできませんが、宣言されたratingValueとreviewCountであれば解釈できます。既存の評価をこの形でレンダリングし、裏付けを取り、引用できる状態にすること、それがBeyondReviewsの埋める隙間です。